CMIP6气候变化情景下中国区域柑橘木虱潜在影响范围预估*

姚俊萌，刘 丹,2，段里成，蔡 哲**

CMIP6气候变化情景下中国区域柑橘木虱潜在影响范围预估*

姚俊萌1，刘 丹1,2，段里成1，蔡 哲1**

（1．江西省农业气象中心，南昌 330096；2．江西省气象科学研究所，南昌 330096）

从柑橘木虱适宜分布的生理机制、气候特性出发，基于1970−2000年气候环境数据和柑橘木虱分布资料，利用最大熵模型（MaxEnt）筛选得到影响柑橘木虱分布的七个关键气候环境因子，包括温度季节性变化标准差、最干月降水量、最冷季降水量、1月平均最高气温、9月平均最高气温、10月平均最高气温和8月平均最低气温。基于关键气候环境因子重构MaxEnt模型，结合CMIP6多模式气候变化情景数据，预估气候变化对柑橘木虱在中国的潜在分布影响。结果表明：CMIP6不同气候预测模式数据对预测柑橘木虱分布结果具有明显影响，其中CanESM5模式下柑橘木虱适生区面积整体最大，BCC-CSM2-MR模式下整体最小，表明单一模式具有较大的不确定性。多模式集合预测显示，2081−2100年柑橘木虱潜在适生区面积将较1970−2000年呈显著增加趋势，增幅从18.8%（SSP126情景）到55.7%（SSP585情景），与辐射强迫等级呈明显正相关；尤其是潜在高适生区增幅最大，从78.3%（SSP126情景）到177%（SSP585情景）。柑橘木虱适宜分布北界将不断北移，至2081−2100年，北界将到达32°N（SSP126情景下）−37°N（SSP585情景下），较目前实际发生北界（30°N）向北偏移2°～7°。研究结果表明气候变暖将对柑橘木虱在中国的扩散十分有利，严重威胁中国柑橘产区生态安全，各地特别是目前尚未发现柑橘木虱的地区需提高警惕，加强柑橘黄龙病检疫和防控。

气候变化；CMIP6；MaxEnt模型；柑橘黄龙病；物种分布

柑橘木虱（Kuwayama）是能携带柑橘黄龙病病原物传播的唯一自然传播昆虫媒介[1]，其繁殖能力强、传病率高、迁飞能力强，是造成柑橘黄龙病暴发蔓延的最主要原因，在目前缺少黄龙病病原有效防治措施的情况下，防控柑橘木虱是阻止黄龙病蔓延的重要手段。

柑橘木虱是喜温性昆虫，气候条件显著影响柑橘木虱的产卵习性[2]、种群消长[3]、发育和繁殖[4]、死亡率[5]以及存活率[6]等，对于柑橘木虱的分布起着至关重要的作用。然而，全球气候变暖正在改变作物病虫害适生范围[7]，尤其增加了受低温限制的昆虫向高纬度或高海拔地区传播的机会。熊红利等[8]对比了1982年、2004年和2010年在浙江、江西、湖南、四川、贵州等地柑橘木虱发生情况调查数据，发现受气候影响柑橘木虱分布区在中国出现了明显北移；王晓亮等[9]于2014年在全国范围内进行了柑橘黄龙病和柑橘木虱的专项调查，发现柑橘木虱发生地理位置北界2014年较1982年北移了44′，与柑橘黄龙病逐步北移发生危害的趋势一致。以上调查结果证实，受气候变暖影响，柑橘木虱在中国的适宜分布区正在呈现北移的趋势。

在全球气候变暖仍将持续的背景下，探究未来气候情景下柑橘木虱在中国的适宜分布区变化，对于掌握柑橘木虱扩散规律，开展分区防控具有重要作用。物种分布模型是研究物种适生性的重要工具，其代表模型有最大熵模型(MaxEnt）[10]、规则集遗传算法模型（GARP）[11]、生物气候模型(Bioclim)[12]、广义线性模型(GLM) 以及领域模型(Domain)等[13]。其中，最大熵模型(MaxEnt）是Philpps等[14]基于最大熵理论开发的物种生态位模型，根据农业气候相似原理，计算一定生态位约束条件下物种分布规律的最理想状态，即熵最大时物种在预测地区的可能分布情况[15]。该模型相较于其它生态位模型具有较好的性能表现[16]，近年来已在诸多病虫及物种地理分布研究中取得了良好效果，包括苹果红缢管蚜[17]、烟粉虱[18]、突颊侧琵甲[19]、胡杨[20]、冬小麦[21]等的分布预测及适生区划研究，证明该模型对于病虫害在中国的分布预测具有较好的适用性。

目前针对柑橘木虱在中国的分布预测已有少量研究，罗伟等[22−23]分别利用MaxEnt模型和RCP情景数据以及CLIMEX模型和CliMond气候预测数据，预测了未来柑橘木虱在中国的潜在分布情况，但研究中使用的未来气候情景数据都是以CMIP5气候预测数据为基础，发布时间较早，存在一定的缺陷，且采用的是单一气候模式预测结果，而单个模式往往都存在着系统性误差[24]，预测结果有较大的不确定性。目前，第6阶段国际耦合模式比较计划（CMIP6）针对CMIP5不能体现气溶胶影响近期气候变化的多种可能性的缺陷进行了改进`，使能更好地反映土地利用的不同变化对区域气候的影响[25]，这些研究手段的改进很大程度上改善了CMIP5中RCP情景的不足[26]；同时CMIP6共有来自14个国家50个模式参与模式比较计划，多模式集合有助于改进预估结果的不确定性，提升预测准确性。因此，有必要从减小系统性误差的角度出发，开展CMIP6气候变化情景的柑橘木虱预测研究。

针对过往研究中气候变化情景数据不完善和单一模式不确定性这两方面问题，本研究基于柑橘木虱全国分布数据和CMIP6多模式气候变化情景预测数据，利用最大熵MaxEnt模型筛选影响柑橘木虱分布的关键气候因子，重新构建基于关键气候因子的MaxEnt模型，通过多模式集合预测未来不同气候变化情景下柑橘木虱在中国的潜在适宜分布范围和适宜区北界变化趋势，为准确掌握柑橘木虱扩散风险，加强柑橘黄龙病防控提供依据。

1 资料与方法

1.1 资料

样本数据：MaxEnt模型模拟需要物种分布数据和环境数据，物种分布数据即为“存在”点的经纬度信息[27]。柑橘木虱的分布数据通过实地调查及查阅文献两种方式获取。实地调查通过直接走访有柑橘木虱发生的地区完成，记录经纬度；查阅文献主要是检索已公开发表的有关柑橘木虱的研究文献，找到文献中记录柑橘木虱的发生地点，有具体经纬度的分布点直接引用，无经纬度的则通过地理位置查找到相关乡镇的坐标信息，共查找相关文献100多篇。通过以上两种方式，一共获取212个柑橘木虱发生地的经纬度信息，组成柑橘木虱“存在”点数据，数据中未包括港澳台地区。

环境因子数据：包括历史气候数据和未来气候预测数据。历史气候数据使用Worldclim（https://www. worldclim.org）数据库最新的历史气候数据集（WorldClim Version2.1 climate data for 1970−2000），时间分辨率为月尺度，空间分辨率为5km×5km，要素包括1−12月逐月月平均最低气温（tmin1-tmin12）、1−12月逐月月平均最高气温（tmax1-tmax12）以及19个生物气候学环境因子（Bioclimatic variables），其中生物气候学环境因子是由月气温和降水计算以生成更具生物学意义的变量，通常用于物种分布和生态建模，包括年平均气温（bio1）、平均日较差（bio2）、等温性（bio3）、温度季节性变化标准差（bio4，四季平均气温的标准差），最暖月最高温度（bio5），最冷月最低温度（bio6），平均气温变化范围（bio7），最湿季节平均温度（bio8），最干季节平均温度（bio9），最暖季节平均温度（bio10），最冷季节平均温度（bio11），年降水量（bio12），最湿月降水量（bio13），最干月降水量（bio14），降水量变异系数（bio15），最湿季节降水量（bio16），最干季节降水量（bio17），最暖季节降水量（bio18），以及最冷季节降水量（bio19）。未来气候情景数据使用Worldclim（https://www.worldclim. Org）数据库CMIP6多模式多情景预测数据，包括1−12月逐月平均最低气温、1−12月逐月平均最高气温以及19个生物气候学环境因子，时间分辨率为月尺度，空间分辨率为5km×5km，预测数据年代包括2021−2040、2041−2060、2061−2080、2081−2100年。

1.2 方法

1.2.1 关键环境因子筛选

构建初始MaxEnt模型选择了生物气候学环境因子（bio1-bio19）以及1−12月逐月平均最低气温和1−12月逐月平均最高气温共43个环境因子。由于因子之间易产生多重共线性、数据冗余等问题，需要剔除高相关性和低贡献率变量。本研究采用多重共线性检验（Multi-collinearity）对环境因子之间进行共线性分析[28]，当2个环境因子间的多重共线性检验的Pearson系数值大于或等于0.8时，表明两者间存在共线性关系，只需保留其中1个环境因子，且选择保留在初始MaxEnt模型中贡献率（Percent contribution）较大的环境因子。2个环境因子间的共线性检验小于0.8表示两者间不存在共线性关系，均需要保留用于后续分析。通过共线性分析剔除掉部分因子后，将剩余因子再次输入MaxEnt模型进行运行，根据MaxEnt模型计算的环境因子贡献率，剔除贡献率小于1%的因子，筛选得到影响柑橘木虱分布的关键环境因子，用于重新构建MaxEnt模型。

1.2.2 MaxEnt模型模拟结果评价

MaxEnt模型采用接受者操作特性曲线（receiver operating characteristic curve，ROC曲线）分析法对重构的模型进行精度检验，ROC曲线基于非阈值依赖判断模型精度，通过改变判断阈值，获得以假阳性率（实际没有该物种分布而被预测为阳性的概率）为横坐标，真阳性率（实际有该物种分布且预测为阳性的概率）为纵坐标的曲线，该曲线与横坐标所围成的面积即为AUC（Area Under Curve）值，该值大小在0～1，用以测度模型预测结果的准确性，也即证明重构模型是否能够准确预测柑橘木虱分布，用于未来气候情景预测。一般来说，AUC取值小于0.6时，定义模型模拟结果为“失败”；AUC取值范围为(0.6, 0.7]，定义模型模拟结果为“较差”；AUC取值范围为（0.7, 0.8]，定义模型模拟结果为“一般”；AUC取值范围为（0.8, 0.9]，定义模型模拟结果为“好”；AUC取值范围为（0.9, 1]，定义模型模拟结果为“很好”[17]。

1.2.3 多模式多情景气候预测集合

由于不同模式气候反馈过程的差异，模式对未来温室气体排放的响应（即气候敏感度）存在很大的不确定性，影响了预估结果的可信度，但目前尚没有有效的方法减小预估不确定性[29]，因此，为了减小单一模式预测的不确定性，采用CMIP6的八种模式分别预测不同气候变化情景下的中国区域柑橘木虱潜在分布概率。八种气候预测模式包括BCC-CSM2-MR、CNRM-CM6-1、CNRM-ESM2-1、CanESM5、IPSL-CM6A-LR、MIROC-ES2L、MIROC6和MRI-ESM2-0。每种预测模式均包含四种气候变化情景，SSP126（低辐射强迫情景，假设2100年辐射强迫稳定在2.6W·m−2）、SSP245（中等辐射强迫情景，假设2100年辐射强迫稳定在4.5W·m−2）、SSP370（中等至高辐射强迫情景，假设2100年辐射强迫稳定在7.0W·m−2）和SSP585（高辐射强迫情景，假设2100年辐射强迫稳定在8.5W·m−2）。处理各个年代不同辐射强迫情景的预测结果时，采用该年代该辐射强迫情景下八种模式预测结果平均，用以降低单一模式预测的系统误差。

1.2.4 柑橘木虱适宜分布区等级划分

基于柑橘木虱“存在点”和历史气候数据，利用重构的MaxEnt模型模拟得到柑橘木虱在中国区域每个格点（5km×5km）上的潜在分布概率P，取值范围为0～1。将研究区内未出现柑橘木虱认定为不适生区，局部出现柑橘木虱认定为低度适生区，部分地区出现柑橘木虱认定为中度适生区，全境出现柑橘木虱认定为高度适生区。根据柑橘木虱潜在分布概率P值与各省实际发生情况，确定柑橘木虱适生区等级划分标准，0≤P＜0.05为不适生区，0.05≤P＜0.15为低度适生区，0.15≤P＜0.30为中度适生区，0.30≤P为高度适生区。

2 结果与分析

2.1 关键环境因子筛选及MaxEnt模型重构

2.1.1 影响柑橘木虱分布的关键环境因子筛选

将212个柑橘木虱“存在”点的地理位置信息和各格点处43个环境因子值（1970-2000年平均值）代入MaxEnt模型进行模拟分析，选择随机检验比例（‘Random test percentage’）为25%，进行因子贡献率分析。首先，剔除贡献率小于1%的28个低贡献因子，剩余16个高贡献因子（bio4，bio7，bio8，bio14，bio15，bio17，bio19，tmax1，tmax8，tmax9，tmax10，tmax11，tmin7，tmin8，tmin9和tmin11）；然后，按照贡献率大小排序，对贡献率≥1%的因子间进行多重共线性检验，剔除Pearson相关系数在0.8以上且贡献率较小的因子，筛选得到7个影响柑橘木虱分布的关键环境因子，其累计贡献率达到78.9%，分别为温度季节性变化标准差（bio4），最干月降水量（bio14），最冷季降水量（bio19），1月平均最高气温（tmax1），9月平均最高气温（tmax9），10月平均最高气温（tmax10）和8月平均最低气温（tmin8）。

2.1.2 基于关键环境因子重构MaxEnt模型及检验

利用212个柑橘木虱“存在”点处的7个关键环境因子重新构建MaxEnt模型并进行模拟检验，同样选择随机检验比例（‘Random test percentage’）为25%。为检验关键环境因子的可靠性，将由43个环境因子建立的初始MaxEnt模型检验结果（图1a）与基于7个关键环境因子重构的最终MaxEnt模型检验结果（图1b）对比，初始MaxEnt模型（图1a）和

图1 1970-2000年气候条件下的最初模型(a)和最终模型(b)ROC检验曲线

最终MaxEnt模型（图1b）对于75%建模训练“存在点”的AUC值分别为0.979和0.969，对于25%测试“存在点”的AUC值分别为0.968和0.970，可以看出，最终模型检验结果接近最初模型，预测精度达到“很好”标准，表明经过筛选得到的7个关键环境因子具有很好的代表性，是影响柑橘木虱潜在分布的主导因子。因此，认为基于7个关键环境因子重构的最终MaxEnt模型可以用于模拟柑橘木虱潜在分布范围。

2.2 未来气候变化情景下柑橘木虱潜在分布面积变化分析

2.2.1 气候变化情景下关键环境因子变化

对比中国区域所有格点7个关键环境因子平均值在2081-2100年与1970-2000年的变化趋势，由表1可以看出，中国区域整体温度季节性变化标准差在逐步减小，最干月和最冷季降水量有所增加，1月、9月、10月平均最高气温和8月平均最低气温呈显著升高趋势，且升温幅度随着辐射强度的增加而上升。表明受气候变化影响，中国各区域温度将显著升高，干季和冬季降水量将有所增多，温度季节性变化在缩小，柑橘木虱生存的气候条件出现了显著变化，将对其适宜性和分布范围造成明显影响。

2.2.2 不同气候预测模式预测结果对比分析

基于7个关键环境因子未来气候情景数据和最终MaxEnt模型，模拟得到未来（2021-2040、2041-2060、2061-2080和2081-2100年）八种气候模式（BCC-CSM2-MR、CNRM-CM6-1、CNRM-ESM2-1、CanESM5、IPSL-CM6A-LR、MIROC-ES2L、MIROC6和MRI-ESM2-0）预测的四种气候变化情景（SSP126、SSP245、SSP370和SSP585）下中国区域各格点柑橘木虱潜在分布概率P，并按照不适生区、低度适生区、中度适生区和高度适生区等级标准进行等级划分和格点面积统计。潜在适生区面积为低度适生区、中度适生区和高度适生区面积之和。

对比八种气候模式预测的柑橘木虱分布面积结果（如图2和表2），取2021-2040年、2041-2060年、2061-2080年、2081-2100年四个年代预测面积的平均值作为2021-2100年平均适生区面积。在SSP126情景下，柑橘木虱潜在适生区面积八种模式平均值为127.1×104km2，模式间标准差为9.1×104km2，其中，MIROC-ES2L模式预测适生区面积最大，MRI-ESM2-0模式预测结果最小；在SSP245情景下，潜在适生区面积平均为129.5×104km2，模式间标准差为12.7×104km2，CanESM5模式预测结果最大，BCC-CSM2-MR模式最小；在SSP370情景下，潜在适生区面积平均为136.6×104km2，模式间标准差为13.6×104km2，CanESM5模式预测结果最大，BCC-CSM2-MR模式预测结果最小；在SSP585情景下，潜在适生区面积平均为143.2×104km2，模式间标准差为15.6×104km2，CanESM5模式预测结果最大，MRI-ESM2-0模式预测结果最小。

对比不同SSP情景间的预测结果，SSP245-SSP585情景下，所有模式均预测潜在适生区呈增加趋势。但比较SSP126与SSP245情景结果，各模式预测趋势不同，BCC-CSM2-MR、MIROC-ES2L、MIROC6和MRI-ESM2-0四种模式预测SSP245情景下潜在适生区面积较SSP126呈下降趋势，其余四种模式则预测呈上升趋势；而综合八种模式结果平均来看，SSP245情景（129.5×104km2）较SSP126（127.1×104km2）呈上升趋势，与柑橘木虱喜温的习性较为吻合。

表1 1970-2000年和2081-2100年中国区域7个关键环境因子预测值统计（平均值±标准差）

Note: SSP is shared socioeconomic pathways, TSSD is temperature seasonality standard deviation, PDM is precipitation of driest month, PCQ is precipitation of coldest quarter, AMTJ is average maximum temperature in January, AMTS is average maximum temperature in September, AMTQ is average maximum temperature in October, AMTA is average minimum temperature in August.

图2 八种气候预测模式模拟四种情景下柑橘木虱在中国的潜在适生区面积

由上可知，八种模式在不同情景下表现不同，模式间标准差达到9.1×104～15.6×104km2，其中，CanESM5模式预测结果整体高于其它模式，BCC-CSM2-MR模式整体低于其它模式；对于SSP126和SSP245两种情景，部分模式预测趋势相反。可以看出，不同模式间预测结果存在较大差异性和系统误差，对柑橘木虱分布的预测结果有明显影响。因此，通过采用多模式集合预测，降低单一模式的系统性误差，能够提升预测结果的稳定性和可靠性。研究中采用八种模式预测平均值作为预测结果进行统计分析。

2.2.3 未来气候变化情景下潜在适生区分布面积变化

由表2可知，按1970-2000年气候数据模拟，研究区内柑橘木虱潜在适生区面积为107.5×104km2；未来气候变化情景下，柑橘木虱潜在适生区较1970-2000年呈显著增加趋势，且增幅随着辐射强迫（SSP）等级的升高而扩大。2081-2100年与1970-2000年相比，柑橘木虱潜在适生区面积增幅最大的为SSP585情景，达到55.7%，适生区面积增加59.8×104km2；SSP370情景下增幅为44.0%；SSP245情景下增幅为31.4%；SSP126情景下增幅最小，为18.8%。从动态来看，在SSP245、SSP370和SSP585的辐射强迫影响下，柑橘木虱潜在适生区为持续增加态势，辐射强迫越高，增加速率越大，说明中等辐射至高辐射强迫造成的升温效应对柑橘木虱种群扩散十分有利；而在低辐射强迫（SSP126）影响下，潜在适生区虽较1970-2000年有所增加，但在2021-2100年间保持了整体稳定，潜在适生区面积维持在123.5×104～130×104km2，未出现明显扩散，说明低脆弱性、低减缓压力和低辐射强迫的可持续发展路径（SSP126）可一定程度上稳定柑橘木虱种群，限制其扩散，对于防控黄龙病具有积极意义。

表2 不同情景下MaxEnt模型预测的柑橘木虱各等级适生区面积统计（104km2）

注：数据为不同模式预测结果±标准差。

Note: The data is prediction results ±standard deviation of different models.

从不同等级适生区面积变化来看，在所有的辐射强迫情景下，潜在高适生区面积均呈增加趋势，2081-2100年较1970-2000年的增幅从78.3%（SSP126）到177%（SSP585），与辐射强迫等级呈正相关；潜在中适生区、低适生区和不适生区均呈减少趋势，辐射强迫越高，减幅越大，其中，中适生区减幅为33.8%～44.9%，低适生区减幅为16.6%～22.6%，不适生区减幅为4.8%～12.6%。

2.3 未来气候变化情景下柑橘木虱潜在适生区北界偏移分析

从空间分布来看（图3a），按1970-2000年气候数据模拟，柑橘木虱适生区主要位于长江以南地区，适生区北界位于30°N，最北端位于四川、重庆、湖北、安徽、浙江等省（市）境内，其中，高适生区主要分布于9个省（市），包括海南、广西、广东和福建四省全境以及湖南、江西、浙江三省中南部、重庆市西部和台湾西部；中适生区分布范围包括云南西南部、四川和贵州两省东部以及湖南、江西和浙江三省北部；低适生区分布范围包括西藏东南部、云南西南部、贵州中东部、湖南、江西和浙江三省最北端以及湖北、安徽两省南部。

气候变化影响下，柑橘木虱潜在适生区不断北移，北移速度与辐射强迫等级（SSP）呈正比（图3a-图3e，）。2081-2100年与1970-2000年相比，SSP126情景下，潜在适生区北界将移至32-33°N，陕西、河南、江苏三省南部由原来的不适生区转为低适生区，湖南、江西、浙江、重庆四省（市）大部以及四川东部和台湾西部均为高适生区。而在SSP585情景下，潜在适生区北界将移至36-37°N，柑橘木虱潜在分布范围进一步扩大，宁夏、陕西、山西、河南四省大部以及山东南部由不适生区转变为适宜分布区，高适生区分布范围由9省（市）扩大到18省（市），包括海南、广西、广东、福建、贵州、湖南、江西、浙江、重庆、湖北等省（市、区）全境以及西藏东南部、云南西南部、四川东部、陕西南部、河南南部、安徽中南部、江苏中南部、台湾大部。

图3 1970-2000年和2081−2100年不同气候变化情景下柑橘木虱在中国的潜在分布区

综上可知，未来气候变化对于柑橘木虱种群在中国的生存和扩散十分有利，适宜分布区域不断北扩，将对目前尚未出现柑橘木虱的地区造成严重威胁；同时高适生区占潜在适生区比例不断扩大，至2081-2100年，长江以南大部分区域将成为柑橘木虱潜在高适生区。

3 结论与讨论

3.1 结论

（1）气候环境因子对柑橘木虱分布范围具有显著影响，其中，温度季节性变化标准差（bio4），最干月降水量（bio14），最冷季降水量（bio19），1月最高气温（tmax1），9月最高气温（tmax9），10月最高气温（tmax10）和8月最低气温（tmin8）七个关键因子能够有效反映柑橘木虱种群分布的气候特点，预测柑橘木虱分布结果达到“很好”标准，可用于预测柑橘木虱潜在分布。

（2）气候预测模式之间存在系统性误差和不确定性，CanESM5模式对未来柑橘木虱分布面积的预测结果整体偏高，而BCC-CSM2-MR模式则整体偏低，对于不同情景间的预测趋势也存在不同，说明单一模式预测结果具有较大的系统误差。因此，通过多模式集合预测的方式，降低单一模式的系统性误差，能够有效提升预测结果的稳定性和准确性。

（3）气候变暖将对柑橘木虱在中国的扩散十分有利，2081−2100年潜在适生区面积将较1970−2000年呈显著增加趋势，且增加幅度与辐射强迫等级呈显著正相关；其中，在低脆弱性、低减缓压力和低辐射强迫的可持续发展路径（SSP126）下柑橘木虱潜在适生区在2021−2100年间保持了总体稳定。充分说明控制全球气候变化，对于防控柑橘木虱扩散具有积极意义。

（4）柑橘木虱适宜分布北界将不断北移，至2081−2100年，适生区北界预计将到达32（SSP126）−37°N（SSP585），较目前实际发生北界（30°N）向北扩散2°～7°；SSP585情景下高适生区省（市、区）将由9个扩大到18个省（市、区），占潜在适生区比例达到75%；中、低适生区则呈减少趋势，适生区等级逐渐向更高级转变。表明在气候变暖影响下中国柑橘主产区将越来越适宜柑橘木虱生存，黄龙病防控形势更加严峻。

3.2 讨论

柑橘木虱携带的柑橘黄龙病病原传播严重威胁柑橘产业发展，因此，柑橘木虱的适宜分布范围引起了广泛关注。在对当前柑橘木虱分布范围的研究中，熊红利等[8−9]基于柑橘木虱不同年代区域发生情况调查，二者调查得到的最北界范围分别为29°47′和29°29′，并证实了气候变暖背景下柑橘木虱在中国的分布范围正在逐渐北移。本研究得出了相同的结论，1970−2000年柑橘木虱潜在分布北界位于30°N附近，与实际调查结果接近，说明模型对于柑橘木虱潜在分布的模拟结果较为准确。

罗伟等[22]已利用MaxEnt模型分析预测柑橘木虱适宜分布，与本研究均认为柑橘木虱在气候变化影响下未来适宜分布区将北移明显。但对于不同等级适生区的变化存在一定的差异，该研究认为未来中适生区面积增加明显，高适生区增加不明显，而本研究中高适生区增加明显，中适生区则呈减少趋势。主要差异一是由于关键环境因子选择不同，该研究[22]筛选关键环境因子时只采用了19个生物学气候因子，未考虑逐月最低气温和最高气温等因子，但本研究对43个气候环境因子筛选发现，1月平均最高气温（tmax1），9月平均最高气温（tmax9），10月平均最高气温（tmax10）和8月平均最低气温（tmin8）等四个环境因子对于柑橘木虱分布的贡献率更高，关键环境因子选择的差异对于重构MaxEnt模型和预测结果具有重要影响；二是该研究[22]基于CMIP5气候数据进行研究，而本研究采用CMIP6气候预测数据，能够更好地体现气溶胶影响近期气候变化的多种可能性和土地利用的不同变化对区域气候的影响，同时多模式集合预测降低了单一模式系统误差，能够更加准确地预测未来气候条件下柑橘木虱在中国的潜在分布范围变化。

柑橘木虱的分布范围除了与气候环境因子高度相关外，柑橘种植分布、防控强度等因素也对柑橘木虱的潜在分布起着重要作用，本研究着重于探究气候环境变化对柑橘木虱分布的可能影响，未考虑柑橘种植分布变化和人为防控影响，后续可结合种植分布、地形地势、防控强度等条件开展进一步研究。

[1] 唐仙寿,何世忠.柑桔黄龙病暴发蔓延关键因素的关联性分析[J].中国热带农业,2015(4):54-57.

Tang X S,He S Z.Correlation analysis of key factors in the spread of citrus Huanglongbing[J].China Tropical Agriculture, 2015(4):54-57.(in Chinese)

[2] 谢秀挺,刘卫东,彭龙,等.柑桔木虱成虫产卵习性研究[J].中国南方果树,2016,45(2):74-76.

Xie X T,Liu W D,Peng L.Study on oviposition habits ofKuwayama adults[J].South China Fruits,2016,45(2):74-76.(in Chinese)

[3] 孙桂春.试论柑桔木虱的分布消长及综合防治技术[J].中国南方果树,1999,28(6):17-18.

Sun G C.Discussion on the distribution and decline ofand comprehensive control techniques[J]. South China Fruits,1999,28(6):17-18.(in Chinese)

[4] 杨余兵.光、温湿度对柑桔木虱发育、繁殖与存活的影响[J].生态学报,1989(4):66-72.

Yang Y B. The weather effect on the development, reproduction and survival of citrus psyllid[J].Acta Ecologica Sinica,1989(4):66-72.(in Chinese)

[5] 邝凡,林梦琪,袁水秀,等.高温对亚洲柑橘木虱死亡率和活动行为的影响[J].南方农业学报,2017,48(9):1600-1604.

Kuang F,Lin M Q,Yuan S Y,et al.Effects of high temperature on mortality and activity behavior ofKuwayama[J].Journal of Southern Agriculture,2017,48(9):1600-1604.(in Chinese)

[6] 邓铁军,王凯学,覃贵亮.冰冻灾害对柑桔木虱越冬存活率的影响和灾后防治对策[J].广西农学报,2008,23(S1): 51-53.

Deng T J,Wang K X,Qin G L.The research analysis on the survival rate ofwith the effect of freeze disaster and protection countermeasure[J].Guangxi Plant Protection,2008,23(S1):51-53.(in Chinese)

[7] Daniel P.Bebber, Mark A.T.Ramotowski, Sarah J.Gurr,等.农作物病虫害在全球变暖中向极地扩散[J].中国植保导刊,2017,37(3):80-86.

Bebber D P,Ramotowski M A T,Gurr S J,et al.Crop pests and diseases spread to polar regions in global warming[J]. China Plant Protection,2017,37(3):80-86.(in Chinese)

[8] 熊红利,林云彪,项宇,等.柑橘黄龙病与柑橘木虱在我国发生北界调查[J].植物检疫,2011,25(4):79-80.

Xiong H L,Lin Y B,Xiang Y,et al.The Investigation on the northern boundary ofand Huanglongbing in China[J].Plant Quarantine,2011,25(4):79-80.(in Chinese)

[9] 王晓亮,李潇楠,冯晓东,等.柑橘黄龙病与柑橘木虱在我国发生情况调查[J].植物检疫,2016,30(2):44.

Wang X L,Li X N,Feng X D,et al.The Investigation on occurrence ofand Huanglongbing in China[J]. Plant Quarantine,2016,30(2):44.(in Chinese) .

[10] 王茹琳,郭翔,李庆,等.四川省猕猴桃溃疡病潜在分布预测及适生区域划分[J].应用生态学报,2019,30(12): 4222- 4230.

Wang R L,Guo X,Li Q,et al.Potential distribution and suitability regionalization of kiwifruit canker disease in Sichuan Province,China[J].Chinese Journal of Applied Ecology,2019,30(12):4222-4230.(in Chinese)

[11] 闫东,史献明,杜国义,等.利用规则集遗传算法生态位模型预测秃病蚤蒙冀亚种适宜分布[J].中国媒介生物学及控制杂志,2019,30(1):48-51.

Yan D,Shi X M,Du G Y,et al.Prediction of the suitable distribution area forby the genetic algorithm for rule-set prediction ecological niche model[J].Chin J Vector Biol & Control,2019,30(1):48-51. (in Chinese)

[12] 黄芳,张文俊,张建成,等.基于BIOCLIM模型的石蒜绵粉蚧在中国的适生区分析[J].浙江农业学报,2019, 31(8): 1331-1336.

Huang F,Zhang W J,Zhang J C,et al.Prediciton of potential distribution of phenacocccus solani in China by BIOCLIM model[J].Acta Agriculturae Zhejiangensis,2019,31(8):1331- 1336.(in Chinese)

[13] 张雷,刘世荣,孙鹏森,等.气候变化对马尾松潜在分布影响预估的多模型比较[J].植物生态学报,2011,35(11): 1091- 1105.

Zhang L,Liu S R,Sun P S,et al.Comparative evaluation of multiple models of the effects of climate change on the potential distribution of pinus[J].Chinese Journal of Plant Ecology,2011,35(11):1091-1105.(in Chinese)

[14] Phillips S J,Anderson R P,Schapire R E.Maximum entropy modeling of species geographic distributions[J].Ecological Modelling,2006,19(3/4):231-259.

[15] 林姗,陆兴利,王茹琳,等.RCP8.5情景下气候变化对四川省猕猴桃溃疡病病菌地理分布的影响[J].江苏农业科学,2020,48(3):124-129.

Lin S,Lu X L,Wang R L,et al.Effects of climate change on the geographical distribution ofin Sichuan province under the RCP8.5 scenario[J].Jiangsu Agricultura Sinica,2020,48(3):124-129. (in Chinese)

[16] Elith J,Graham C H,Anderson R P,et al.Novel methods improve prediction of species’ distributions from occurrence data[J].Ecography,2006,29(2):129-151.

[17] 贾栋,徐朝茜,刘艳红,等.基于MaxEnt模型预测苹红缢管蚜在中国的适生区[J].植物保护学报,2020,47(3):528-536.

Jia D,Xu C Q,Liu Y H,et al.Potential distribution prediction of apple-grass aphidin China based on MaxEnt model[J].Journal of Plant Protection, 2020,47(3):528-536.(in Chinese)

[18] 赵健,李志鹏,张华纬,等.基于MaxEnt模型和GIS技术的烟粉虱适生区预测[J].植物保护学报,2019,46(6):133-141.

Zhao J,Li Z P,Zhang H W,et al.Prediction of potential distribution of tobacco whiteflyin China based on MaxEnt niche model and GIS[J].Journal of Plant Protection,2019,46(6):133-141.(in Chinese)

[19] 李培先,郑江华,林峻,等.基于MaxEnt模型的突颊侧琵甲新疆潜在地理分布预测和主要影响因子分析[J].植物保护学报,2017,44(3):445-452.

Li P X,Zheng J H,Lin J,et al.Prediction of potential geographic distribution and analysis of the major driving factors for)Motschulsky in Xinjiang by using MaxEnt model[J].Journal of Plant Protection,2017,44(3):445-452.(in Chinese)

[20] 张华,赵浩翔,王浩.基于Maxent模型的未来气候变化情景下胡杨在中国的潜在地理分布[J].生态学报,2020,40(18): 6552-6563.

Zhang H,Zhao H X,Wang H.Potential geographical distribution ofin China under future climate change scenarios based on Maxent model[J].Acta Ecologica Sinica,2020,40(18):6552-6563.(in Chinese)

[21] 孙敬松,周广胜.利用最大熵法(MaxEnt)模拟中国冬小麦分布区的年代际动态变化[J].中国农业气象,2012,33(4): 481-487.

Sun J S,Zhou G S.Inter-decadal variability of winter wheat plangting zone in China during 1961 to 2010 simulated by Maximum Entropy(MaxEnt)[J].Chinese Journal of Agrometeorology,2012,33(4):481-487.(in Chinese)

[22] 罗伟,王闫利,林姗,等.气候变化情景对柑橘木虱潜在地理分布的影响[J].贵州农业科学,2019,47(9):30-35.

Luo W,Wang Y L,Lin S,et al.Effect of climate change scenarios on pothential geographical distribution of[J].Guizhou Agricultural Sciences,2019, 47(9):30-35.(in Chinese)

[23] 汪善勤,肖云丽,张宏宇.我国柑橘木虱潜在适生区分布及趋势分析[J].应用昆虫学报,2015,52(5):1140-1148.

Wang S Q,Xiao Y L,Zhang H Y.Studies of the past, current and future potential distributions ofKuwayama (Homoptera:Psyllidae) in China[J].Chinese Journal of Applied Entomology,2015,52(5):1140-1148.(in Chinese)

[24] 杜钧.集合预报的现状和前景[J].应用气象学报,2002, 13(1):16-28.

Du J.Present situation and prospects of ensemble numerical prediction[J].Journal of Applied Meteorological Science[J]. 2002,13(1):16-28.(in Chinese)

[25] 张丽霞,陈晓龙,辛晓歌.CMIP6情景模式比较计划(ScenarioMIP)概况与评述[J].气候变化研究进展,2019,15 (5):519-525.

Zhang L X,Chen X L,Xin X G.Short commentary on cMIP6 scenario Model Intercomparison Project (ScenarioMIP)[J]. Climate Change Research,2019,15(5):519-525.(in Chinese)

[26] Stouffer R J,Eyring V,Meehl G A,et al.CMIP5 scientific gaps and recommendations for CMIP6[J].Bulletin of the American Meteorological Society,2017,98(1):95-105.

[27] 王茹琳,李庆,封传红,等.基于MaxEnt的西藏飞蝗在中国的适生区预测[J].生态学报,2017,37(24):8556-8566.

Wang R L,Li Q,Feng C H,et al.Predicting potential ecological distribution ofin China using MaxEnt ecological niche modeling[J].Acta Ecologica Sinica,2017,37(24):8556-8566.(in Chinese)

[28] 王雨生,王召海,邢汉发,等.基于MaxEnt模型的珙桐在中国潜在适生区预测[J].生态学杂志,2019,38(4):306-313.

Wang Y S,Wang Z H,Xing H F,et al.Prediction of potential suitable distribution ofBaill in China based on MaxEnt[J].Chinese Journal of Ecology,2019,38(4): 306-313.(in Chinese)

[29] 周天军,陈梓明,邹立维,等.中国地球气候系统模式的发展及其模拟和预估[J].气象学报,2020,78(3):332-350.

Zhou T J,Chen Z M,Zou L W,et al.Development of climate and earth system models in China:past achievements and new CMIP6 fesults[J].Acta Meteorologica Sinica,2020, 78(3):332-350.(in Chinese)

Prediction of Potential Distribution ofKuwayama in China under Future Climate Change Scenarios of CMIP6

YAO Jun-meng1,LIU Dan1,2, DUAN Li-cheng1, CAI Zhe1

(1. Jiangxi Agricultural Meteorological Center, Nanchang 330096, China; 2. Meteorological Science Research Institute of Jiangxi Province, Nanchang 330096)

Based on the climate data in 1970−2000 and the distribution data ofKuwayamain China, the main climatic indices affecting the distribution ofKuwayama were identfied by maximum entropy model (Maxent), including temperature seasonality standard deviation, precipitation of driest month(mm), precipitation of coldest quarter(mm), average maximum temperature in January(℃), average maximum temperature in September (℃), average maximum temperature in October(℃) and average minimum temperature in August (℃). The MaxEnt model was reconstructed by the 7 main climatic indices to estimate the impact of climate change on the potential distribution ofKuwayama in China. The results showed that climate prediction mode selection of CMIP6 had significant impacts on prediction of the distribution ofKuwayama. The overall prediction distribution ofKuwayama was the highest in the CanESM5 mode, and the lowest in the BCC-CSM2-MR mode. It showed that the single mode had a greater uncertainty. Affected by climate change, multi-mode ensemble prediction showed that the potential suitable areas in the 2081−2100 forKuwayama would increase significantly compared with in the 1970−2000, from 18.8% (SSP126 scenario) to 55.7% (SSP585 scenario). In the 2081−2100, the potential high suitable area would increase significantly from 78.3% (SSP126 scenario) to 177% (SSP585 scenario). The northern boundary of the suitable distribution shifted northward to about 32°N (SSP126 scenario) and 37°N (SSP585 scenario), while the actual northern boundary was at 30°N in the 1970−2000.This study indicated that climate change would be very beneficial to the spread ofKuwayama and threaten the ecological security of citrus-producing in China. The main citrus producing provinces, especially the areas whereKuwayama had not been found, need to be vigilant and strengthen the prevention of Citrus Huanglongbing.

Climate change; CMIP6; MaxEnt; Citrus Huanglongbing ; Species distribution

10.3969/j.issn.1000-6362.2021.12.005

姚俊萌,刘丹,段里成,等.CMIP6气候变化情景下中国区域柑橘木虱潜在影响范围预估[J].中国农业气象,2021,42(12):1031-1041

收稿日期：2021−04−25

江西省气象局重点项目（JXQXZD201811）

通讯作者：蔡哲，高级工程师，从事农业气候资源研究，E-mail：caizheread@163.com

姚俊萌，E-mail：Meng_jackyyao@sina.com